El laboratorio de investigación en inteligencia artificial Anthropic anunció un resultado de trascendencia para la comunidad científica global. A través de un documento publicado en su sitio oficial, la compañía detalló que un modelo en fase de desarrollo logró un avance de proporciones inéditas en la hipótesis de Riemann, considerada por los expertos como la incógnita más relevante e influyente de las matemáticas puras.

Formulado en 1859 por el matemático alemán Bernhard Riemann, el enunciado sostiene la existencia de un patrón infinitamente preciso detrás de la distribución de los números primos. Al formar parte de los siete Problemas del Milenio fijados por el Instituto Clay de Matemáticas -los cuales ofrecen una recompensa de un millón de dólares por su resolución-, la hipótesis ha resistido múltiples intentos de demostración durante más de siglo y medio. Pese a no haber alcanzado la prueba definitiva, el algoritmo de Anthropic logró elevar la cota inferior conocida de ceros que satisfacen la función zeta del 41,6% al 67,2%, registrando un salto sin precedentes de 25,6 puntos porcentuales.

La estrategia del modelo y la red de subagentes

El proceso demandó 36 horas de ejecución autónoma e ininterrumpida luego de que un integrante del equipo técnico de la firma le planteara el desafío al sistema. Durante ese período, la arquitectura consumió cerca de 31 millones de tokens y evaluó más de 650 hipótesis o vías metodológicas antes de estructurar el camino hacia la formulación correcta.

Para resolver la complejidad del cálculo, la inteligencia artificial articuló una red de 60 subagentes especializados:

• Generación teórica: 2 agentes abocados a la formulación de ideas matemáticas.

• Soporte conceptual: 13 agentes destinados a la fundamentación lógica.

• Exploración de vías: 30 agentes dedicados a testear rutas conceptuales alternativas.

• Control de calidad: 13 agentes enfocados en la verificación estricta de cada argumento.

Confirmación interna y verificación computacional

La validez del descubrimiento fue ratificada inicialmente dentro del propio laboratorio por dos especialistas en la materia. Posteriormente, el razonamiento desarrollado por el modelo fue formalizado mediante el lenguaje Lean, un asistente de pruebas de código abierto que certifica computacionalmente la corrección lógica y la validez matemática de los teoremas.

El logro marca un precedente en la capacidad de los modelos de lenguaje para generar conocimiento en ciencias exactas, demostrando que la interacción entre subagentes coordinados puede superar las limitaciones metodológicas tradicionales y acelerar la resolución de enigmas teóricos centenarios.